(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211193446.1 (22)申请日 2022.09.28 (71)申请人 中国美术学院 地址 310000 浙江省杭州市上城区南 山路 218号 (72)发明人 刘征　赵志祥　 (74)专利代理 机构 杭州裕阳联合专利代理有限 公司 33289 专利代理师 何宇梁 (51)Int.Cl. G06Q 10/06(2012.01) G06V 10/26(2022.01) G06V 10/44(2022.01) (54)发明名称 一种基于AR的实验室安全风险分级管理教 育方法和系统 (57)摘要 本发明公开了一种基于AR的实验室安全风 险分级管理教育方法和系统， 所述方法包括： 采 集实验室图像数据和传感器数据， 获取实验室的 风险等级匹配规则； 识别所述图像数据的图像特 征数据和传感器数据的传感器特征数据， 将所述 图像特征数据匹配后转化为实验室设备名， 将所 述传感器特征数据匹配后转化为 设备型号； 将所 述设备名和对应的设备型号输入到实验室风险 等级匹配规则中， 根据所述实验室风险等级规则 输出当前实验室的风险等级； 根据预设的不同风 险等级的AR模板图像， 将识别输出的风险等级对 应的AR模板图像和真实图像信息融合匹配输出 告警信息 。 权利要求书2页 说明书6页 附图1页 CN 115496380 A 2022.12.20 CN 115496380 A 1.一种基于AR的实验室安全风险分级管理教育方法， 其特 征在于， 所述方法包括： 采集实验室图像数据和传感器数据， 获取实验室的风险等级匹配规则； 识别所述图像数据的图像特征数据和传感器数据的传感器特征数据， 将所述图像特征 数据匹配后转 化为实验室 设备名， 将所述传感器特 征数据匹配后转 化为设备型号； 将所述设备名和对应的设备型号和数量输入到实验室风险等级 匹配规则中， 根据 所述 实验室风险等级规则输出当前实验室的风险等级； 根据预设的不同风险等级的AR模板图像， 将识别输出的风险等级对应的AR模板图像和 真实图像信息融合匹配输出告警信息 。 2.根据权利要求1所述的一种基于AR的实验室安全风险分级管理教育方法， 其特征在 于， 识别所述图像数据的方法包括： 首先采用灰度阈值分割法， 定义灰度阈值T， f(x,y)为点 (x,y)的像素值， g(x,y)为分割后的图像， 进一步对所述分割后的图像g(x,y)进行特征提 取。 3.根据权利要求1所述的一种基于AR的实验室安全风险分级管理教育方法， 其特征在 于， 所述特征提取方法包括： 采用Hough变换对分割后的图像g(x,y)进行特征提取， 选取分 割后图像像g(x,y)形状中的任意点(a,b)为参考点， 然后从该任意形状图形的边缘每一点 上， 计算其切线方向φ和到参考点(a,b)位置的偏移矢量r， 以及r与x轴的夹角α， 其中所述 参考点(a,b)的计算方法为： a＝x+r(φ)cos( α(φ) ) b＝x+r(φ)si n( α(φ))。 4.根据权利要求3所述的一种基于AR的实验室安全风险分级管理教育方法， 其特征在 于， 在完成所述特征提取后， 进一步采用分类器将提取的特征进行分类， 所述分类方法包 括： 计算当前设备样本总类数M， 从样本库中提取的当前样本类别为wi＝{1,2,....,M}； 记 当前样本先验概率为P(wi)及类条件概率密度为P(x|wi)； 利用贝叶斯公式计算当前样本的 后验概率P(wi|x)， 其中所述后验概率的最大值对应的类别最终分类类别； j为求和项下标， n为设备的总类别数， 其中后验概 率P(wi|x)的计算方法为： 5.根据权利要求1所述的一种基于AR的实验室安全风险分级管理教育方法， 其特征在 于， 所述实验室风险等级规则包括： 建立不同风险等的设备类别和数量， 通过所述分类器识 别的实验室图像中， 计算所有图像特征数据对应的设备类别， 若通过分类器识别得到的设 备类别完全覆盖对应风险等级的设备类别和数量， 则判定 当前实验室场景为满足所覆盖风 险等级规则的实验室， 输出对应实验室风险等级的AR模板图像和现实实验室图像进行融 合。 6.根据权利要求1所述的一种基于AR的实验室安全风险分级管理教育方法， 其特征在 于， 所述实验风险等级规则包括不同优 先级的判定规则， 所述优先级判定规则包括： 建立包 括第一优先级风险等级规则和 第二优先级风险等级规则， 若采集到实验室图像数据中识别 的设备类别和数量既满足覆盖第一优先级风险等级规则对应的设备类型和数量， 也满足所权　利　要　求　书 1/2 页 2 CN 115496380 A 2述第二优先级风险等级规则对应的设备类型和数量， 其中第一优先级风险等级高于所述第 二优先级风险等级， 则直接调用所述第一优先级风险等级对应的AR模板图像和真实实验室 图像融合。 7.根据权利要求1所述的一种基于AR的实验室安全风险分级管理教育方法， 其特征在 于， 所述实验室风险等级规则包括： 采集传感器数据， 设置传感器数值风险等级范围， 若采 集到当前传感器数值在 对应的风险的等级， 并且通过分类器得到的图像中设备类型和数量 匹配满足和所述传感器数据所在等级 范围内相同的风险等级， 则直接输出对应的相同的风 险等级的AR模块图像和现实 实验室图像融合。 8.根据权利要求1所述的一种基于AR的实验室安全风险分级管理教育方法， 其特征在 于， 所述实验室风险等级规则包括： 集传感器数据， 设置传感器数值风险等级范围， 若采集 到当前传感器数值在对应的风险的等级和 通过分类器得到的图像中设备类型和数量判定 的风险等级存在差异， 则选择优 先级更高的风险等级手粗对应风险等级的AR模块图像和现 实实验室图像融合。 9.一种基于AR的实验室安全风险分级管理教育系统， 其特征在于， 所述系统执行权利 要求1‑8中任意一项所述的一种基于AR的实验室安全风险分级管理教育方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序可被处理器执行权利要求1 ‑8中任意一项所述的一种基于AR的实验室 安全风险分级管理教育方法。权　利　要　求　书 2/2 页 3 CN 115496380 A 3